通过在土壤中添加浓度为0(对照组), 25, 75, 125, 175, 275, 375和485 μg·g^-1的铀, 进行5种植物(苎麻、 印度芥菜、 酸模、 甘蓝型油菜、 玉米)的盆栽实验, 研究了不同生长期的叶片光谱角对土壤铀污染的定性和定量指示作用, 分析了定量指示作用与叶片铀含量的关系, 并筛选出来在苗期即能反演土壤铀含量的植物, 为通过野外实测植物叶片光谱快速、 安全地进行土壤铀含量的本底调查和动态监测提供了有效的途径。 更重要的是, 以该叶片尺度的研究为基础, 后续可以开展在冠层尺度采用遥感影像进行大面积土壤铀污染监测的相关研究。 实验结果与主要结论如下: (1)以实验植物在不同生长期的实测叶片反射光谱为基础, 计算了土壤受到铀污染后, 在五个波段区间(表征叶片色素的350~716 nm、 表征红边和近红外平台的717~975 nm、 表征水分的976~1 265, 1 266~1 770和1 771~2 500 nm)的光谱角。 以盆为单位统计5种实验植物在13个生长期的光谱角, 绝大多数情况下均大于阈值。 叶片光谱角对铀产生了350~2 500 nm的全面响应, 可以定性指示土壤是否受到铀污染。 (2)涵盖全部5种实验植物的8个生长期得到了以光谱角作为自变量、 通过显著性检验的线性回归方程。 其中7个线性回归方程的决定系数R²>0.64, 3个(苎麻-苗期、 印度芥菜-开花期和油菜-蕾薹期)的决定系数R²>0.81。 综合其他反演效果评价指标, 可以认为叶片光谱角也能定量指示土壤铀污染程度, 但定量指示作用随植物种类、 生长期的不同而不同, 其中苎麻、 印度芥菜在苗期的叶片光谱角就可以比较好地反演土壤铀含量。 (3)当叶片铀含量较高时, 其光谱角对土壤铀污染的定量指示作用较强。

为了解决基于监督学习的高光谱图像分类算法训练样本中存在的噪声标签会降低后续的分类精度的问题, 采用了一种基于低秩稀疏表示和改进光谱角制图(SAM)的高光谱图像误标签检测算法。首先对高光谱图像中信号子空间进行预测, 根据预测到的子空间对原始高光谱图像重构并去噪;然后通过基于归一化的光谱角制图算法来获取每一类样本间的距离信息, 得到每类样本间的光谱相似度, 并利用密度峰值聚类算法得到每个训练样本的局部密度;最后采用基于局部密度的决策函数对噪声标签进行检测, 使用支持向量机在两个真实数据集上验证。结果表明, 该算法比先进的层次结构的高光谱图像误标签检测算法提高了1.91%的总体精度。这一结果对高光谱图像分类是有帮助的。

针对红外精确制导中抗干扰的问题, 开展基于光谱角和光谱距离等特征参量的目标光谱识别技术仿真和实验研究。在目标、 干扰均为灰体辐射的前提条件下, 对目标和干扰在不同发射率模型、不同辐射温度下的红外光谱辐射分布进行理论建模, 定量分析了目标和干扰的光谱角和光谱距离特征参量与其温度、发射率的关系, 数值表征了目标和干扰的光谱差异。 为验证上述光谱区分方法的有效性, 实验采集并分析了目标和干扰的光谱数据。研究结果表明光谱角和光谱距离能够 将两者进行有效的区分, 为复杂背景下目标识别提供理论和实验基础。

为了研究长白落叶松光谱对土壤Cu胁迫的响应特征和变化规律, 在辽东树基沟矿区的3条勘测线上布置采样点, 进行表层土壤的多种重金属元素含量和长白落叶松针叶的反射光谱测定, 并提取了7个特征波段, 计算了多个波段区间的光谱角, 将其与土壤主要重金属铜的含量进行相关分析, 建立了回归模型。结果表明: 7个光谱特征波段中, “红谷”参数与表层土壤铜含量的相关系数最大, 基于“红谷”反射率建立的回归模型的R2达到0865。光谱角对铜胁迫长白落叶松针叶波段区间[400, 716] nm、[400, 2 500] nm的光谱变化十分敏感。“红边”位置和反射率与土壤铜含量不相关, 不适合区分矿区表层土壤重金属含量间的细微差别。对可见光敏感的“红谷”参数和光谱角均表明反射光谱的差异主要由叶绿素含量控制, 小部分受到针叶中水分含量的影响。本研究利用长白落叶松“红谷”和光谱角的“指纹效应”, 为快速有效反演大面积高植被覆盖区的土壤重金属含量、圈定隐伏矿(化)体提供了理论依据。

为滤除大量冗余背景信息, 提升目标检测速度, 解决目标光谱获取困难等问题, 提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先, 对已知背景光谱信息微分重排, 筛选出背景特征较少的谱段集; 然后, 计算相应谱段下, 高光谱图像各像素点的光谱微分值与背景光谱微分值的差值, 并对所得各谱段微分差值加权求和阈值化, 粗提取出目标位置; 最后, 计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值, 实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验, 与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明, 所提算法在保证检测精度的同时, 具有较低的虚警率和较好的时效性: ROC曲线下面积AUC均高于0.98, 虚警率分别为3%和1.6%, 处理时间仅为0.36 s和0.077 s。

实时光谱识别是目前干涉式成像光谱仪领域研究的热点问题之一, 其难点在于复原光谱数据量大及对识别算法的实时性要求高。基于FPGA器件设计了一种基于光谱角匹配(SAM)算法的干涉式成像光谱仪多通道实时光谱识别系统。该系统将多个不同的参考光谱分别存储在其对应通道的存储器中, 根据SAM算法实时计算输入光谱与各通道参考光谱之间的光谱角, 通过对各通道输出的光谱角进行比较而实现光谱的实时识别。仿真结果表明, 系统在Xilinx芯片XC7A100TFGG484-2上对复原光谱进行实时有效识别的运行频率可达100MHz。系统以流水线方式运行, 具有速度快、体积小、便于升级等优点, 为干涉式成像光谱仪实时光谱识别的工程实现提供了一种有效的技术途径。

高光谱影像是一个三维的海量数据立方体，如果对高光谱图像直接进行分割，那么算法运算量会很大；如果对高光谱影像先进行数据降维再进行分割，则会损失图像的部分细节信息，影响分割效果。本文提出一种基于光谱角空间变换的高光谱图像分割方法，首先计算每个像元与其周围领域像元之间的光谱夹角，并把这些光谱角的值作为坐标值，将像元映射到一个低维空间中，计算低维空间中样本点到原点的距离并将其转换为灰度值，从而生成一幅突出了地物区块边缘信息的灰度图像。然后利用分水岭变换对生成的灰度图像进行分割，提取分割后各区块局部极小值点的光谱矢量，进行对比分析，将具有相似光谱矢量的区块合并，以解决分水岭变换的过分割问题。最后采用美国印第安纳州的 AVIRIS高光谱数据对本文算法进行了验证和分析。实验结果表明，相比 SVM、ECHO、SVMMSF等高光谱图像分割方法，本文方法能够获得更高的图像分割精度。

在颜色测量领域区分相似颜色的样品是非常困难的。 测量颜色的准确性和高效性对于工业上的应用非常重要。 提出了一种基于超光谱成像技术的色彩测量的方法, 并设计制成原理样机系统。 该系统能够快速准确的测量彩色样品的光谱, 并在分析后可得丰富的颜色数据与颜色坐标。 该方法克服了传统测色方法“测谱不成像, 成像不测谱”的局限性。 为了评估系统的性能, 进行分析和实验: 比较细分的每个波段的信噪比, 并使用光谱匹配技术来比较彩色照相机和所设计的系统在颜色测量方面的优缺点。 结果表明, 本系统提供了一种更精确的颜色测量方法, 可以有效地测试产品颜色的质量。

无论是近红外还是红外光谱, 多元校正模型的传递问题都尚未解决。 为了实现模型和光谱的传递, 提出了一种改进的PDS算法——SA-PDS算法, 论方法通过PDS算法进行模型传递, 使用光谱间的夹角大小作为判定准则来选择传递参数, 使得模型传递过程不受到样品性质参考值的影响, 也不再依赖于模型, 并且可以双向传递。 该方法分别通过在近红外数据和中红外数据中应用来证明模型传递的可行性, 实验收集烟叶样本测得其近红外光谱, 沥青样本测得其中红外光谱, 将烟叶总糖会计师和沥青蜡含量作为模型预测对象。 使用光谱夹角作为PDS参数选择标准与使用预测标准偏差作为判定准则相比, 实验表明: 对于近红外光谱的从机向主机的传递, 其验证集预测精密度RMSEP从5.257 4降低至1.337 1, 优于RMSEP（1.350 3）方法, 预测偏差也同样被改善。 对于中红外光谱从机向主机的传递, 新方法验证集预测精密度RMSEP从0.525 1降低至0.186 9, 优于RMSEP（0.219）方法。 主机向从机的传递也取得了满意的传递结果。